Acceso usuarios
Carlos Ibáñez Sánchez
El Reglamento Europeo de Inteligencia Artificial (AI Act) establece un umbral de 10^25 FLOPs como criterio objetivo para presumir el riesgo sistémico de los modelos de propósito general. Sin embargo, la evolución de técnicas de optimización como ZeRO, las leyes de escalado óptimo propuestas en Chinchilla, la cuantización, los Mixture-of-Experts o el sparse training revelan que el cómputo no siempre refleja la verdadera capacidad de un modelo. Este trabajo analiza las limitaciones regulatorias de usar una métrica única, los riesgos de incentivos torcidos y la necesidad de un enfoque flexible por parte de autoridades nacionales como la AESIA, que deberán evaluar caso a caso la frontera entre innovación legítima y riesgo real.
